待验证50% 置信事实精确时间
对于长度为 n 的查询词和编辑距离 k，Levenshtein 自动机的状态数约为 O(n×(2k+1)^k)，随 k 增大呈指数级上升
1
来源数
50%
置信度
长期有效
时效性
2026/8/11
首次发现
来源
相关事实
待验证精确的 K 近邻搜索（KNN）时间复杂度为 O(n×d)，在数百万级别记忆条目下延迟不可接受，ANN 算法通过牺牲极小精度换取数量级速度提升67% 相似待验证Ukkonen 的对角线剪枝可将编辑距离计算的平均复杂度降至 O(k×min(m,n))，其中 k 为编辑距离阈值65% 相似待验证使用 Levenshtein 自动机判断候选词是否接受的时间复杂度仅与候选词长度线性相关（O(n)），无需重新计算编辑距离矩阵63% 相似待验证EKF-SLAM的计算复杂度为O(n²)，因为协方差矩阵维度随地标数量线性增长63% 相似待验证自回归生成阶段每生成一个新token需对所有历史token重新计算注意力，计算量随序列长度呈O(n²)增长，KV Cache可将复杂度降至O(n)的增量操作61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/731177API
curl https://kongchang.com/api/v1/knowledge/claims/731177MCP
get_claim(id=731177)